29
faktor matriks, faktor matriks ditransformasikan ke dalam matriks yang lebih sederhana sehingga mudah diinterpretasikan. Rotasi faktor menggunakan prosedur
varimax. f. Interpretasi faktor
Interpretasi faktor dilakukan dengan mengklasifikasikan variabel yang mempunyai factor loading minimum 0,4 sedangkan variabel dengan factor loading
kurang dari 0,4 dikeluarkan dari model. g. Penyeleksian surrogate variable
Mencari salah satu variabel dalam setiap faktor sebagai wakil dari masing- masing faktor. Pemilihan ini didasarkan pada nilai faktor loading tertinggi.
2.3.5 Asumsi Analisis Faktor
Prinsip utama dalam analisis faktor adalah korelasi, artinya variabel yang memiliki korelasi erat akan membentuk suatu faktor. Karena prinsip utama analisis
faktor adalah korelasi, maka asumsi dalam analisis faktor berkaitan erat dengan korelasi berikut:
a. Korelasi antar variabel bebas harus kuat. Hal ini dapat diidentifikasi dari nilai determinannya yang mendekati nol. Nilai
determinan dari matriks korelasi yang elemen-elemennya menyerupai matriks identitas akan memiliki nilai determinan sebesar satu. Artinya, jika nilai determinan
mendekati satu, maka matriks korelasi menyerupai matriks identitas, dimana antar itemvariabel tidak saling terkait karena matriks identitas memiliki elemen pada
diagonal bernilai satu, sedangkan lainnya bernilai nol.
Universitas Sumatera Utara
30
b. Koefisien korelasi parsial antar 2 variabel harus kecil Hal ini dapat diidentifikasi dengan nilai Kaiser Meyer Olkin measure of
sampling adequency KMO. KMO merupakan sebuah indeks perbandingan jarak antara koefisien korelasi dengan koefisien parsialnya secara keseluruhan. Jika jumlah
kuadrat koefisien korelasi parsial diantara seluruh pasangan variabel bernilai kecil dibandingkan dengan jumlah kuadrat koefisien korelasi, maka akan menghasilkan
nilai KMO yang mendekati satu. Nilai KMO yang kecil menunjukkan bahwa analisis faktor bukan merupakan pilihan yang tepat. Untuk dapat dilakukan analisis faktor,
nilai KMO dianggap cukup apabila nilai KMO 0,5. c. Koefisien korelasi antar variabel harus kecil
Hal ini dapat diidentifikasi dengan nilai Measure of Sampling Adequency MSA. MSA adalah sebuah indeks perbandingan jarak antara koefisien korelasi
dengan koefisien korelasi parsialnya secara parsial setiap itemvariabel. Untuk dapat dilakukan analisis faktor, nilai MSA dianggap cukup apabila nilai MSA 0,5.
Apabila ada itemvariabel yang tidak memiliki nilai MSA 0,5, variabel tersebut harus dikeluarkan dari analisis faktor secara bertahap satu persatu.
d. Dalam beberapa kasus, setiap variabel yang akan dianalisis dengan menggunakan analisis faktor harus menyebar secara normal.
2.3.6 Penamaan Faktor yang terbentuk